【亲测免费】 JPMML-LightGBM 使用教程

项目介绍

JPMML-LightGBM 是一个 Java 库和命令行应用程序，用于将 LightGBM 模型转换为 PMML（Predictive Model Markup Language）格式。该项目由 Openscoring Ltd 开发和维护，适用于需要在 Java/JVM 平台上部署 LightGBM 模型的场景。JPMML-LightGBM 遵循 AGPL-3.0 许可协议，但也可以通过签订许可协议，将其用于专有软件项目。

项目快速启动

环境要求

• LightGBM 2.0.0 或更新版本
• Java 1.8 或更新版本

安装步骤

1. 克隆项目仓库：

   git clone https://github.com/jpmml/jpmml-lightgbm.git
   

2. 进入项目根目录并使用 Apache Maven 构建项目：

   cd jpmml-lightgbm
   mvn clean install
   

3. 构建完成后，会生成一个库 JAR 文件和一个可执行的 uber-JAR 文件：

   pmml-lightgbm/target/pmml-lightgbm-1.5-SNAPSHOT.jar
   pmml-lightgbm-example/target/pmml-lightgbm-example-executable-1.5-SNAPSHOT.jar
   

使用示例

1. 使用 LightGBM 训练一个模型并保存到文本文件：

   library("lightgbm")
   df = read.csv("Audit.csv", stringsAsFactors = TRUE)
   X = df[c("Age", "Hours", "Income", "Education", "Employment", "Gender", "Marital", "Occupation")]
   y = df[["Adjusted"]]
   cat_cols = c("Education", "Employment", "Gender", "Marital", "Occupation")
   for(cat_col in cat_cols) {
       X[[cat_col]] = as.integer(X[[cat_col]]) - 1
   }
   dtrain = lgb.Dataset(as.matrix(X), label = y, categorical_feature = cat_cols)
   params = list("objective" = "binary", "num_iterations" = 131)
   audit_booster = lgb.train(params, dtrain)
   lgb.save.model(audit_booster, "LightGBMAudit.txt")
   

2. 使用 JPMML-LightGBM 命令行转换器将文本文件转换为 PMML 文件：

   java -jar pmml-lightgbm-example/target/pmml-lightgbm-example-executable-1.5-SNAPSHOT.jar --lgbm-input LightGBMAudit.txt --pmml-output LightGBMAudit.pmml
   

应用案例和最佳实践

案例一：审计数据分类

使用 Audit.csv 数据集训练一个二分类模型，并将模型转换为 PMML 格式，以便在 Java/JVM 平台上部署。

最佳实践

• 数据预处理：确保所有分类特征已正确编码为整数。
• 模型参数调优：根据具体任务调整 LightGBM 的参数，以获得最佳性能。
• 模型转换：使用 JPMML-LightGBM 将训练好的模型转换为 PMML 格式，确保模型在不同平台间的兼容性。

典型生态项目

JPMML-Evaluator

JPMML-Evaluator 是一个 Java 库，用于在 Java/JVM 平台上评估 PMML 模型。它与 JPMML-LightGBM 配合使用，可以实现从模型训练到部署的全流程。

Openscoring

Openscoring 是一个 REST web 服务，用于部署和管理 PMML 模型。通过 Openscoring，可以将 JPMML-LightGBM 转换的 PMML 模型部署为可远程调用的服务。

通过这些生态项目的配合，可以构建一个完整的机器学习模型开发和部署流程。